阿里重磅开源 Fluss: Flink Unified Streaming Storage

在 11 月 29 日举办的 Flink Forward Asia 2024 大会主题演讲上，阿里巴巴正式开源了 Fluss 项目（https://github.com/alibaba/fluss）。阿里巴巴开源委员会副主席王峰先生，在现场进行了 Fluss 项目的开源，赢得了现场观众的热烈反响。

Fluss 项目是由阿里云智能 Flink 团队研发的一款面向流分析的下一代流存储，旨在解决流存储在分析方面长期存在的挑战。Fluss 的项目定位是为 Apache Flink 提供实时流存储底座，进一步提升 Flink 实时流计算的能力。因此，Fluss 的名字源自“FLink Unified Streaming Storage” 的首字母缩写。在项目名字背后，还有另一层有趣的含义。Flink 项目早期起源于德国，命名自德语单词“快速”。恰巧 Fluss 也是一个德语单词，读作“弗卢斯”，意为“河流”。Fluss 虽然诞生于中国，但其名称的德语背景不仅体现了对 Flink 项目起源的一种致敬，也象征着流数据如河流般不断流动、汇聚与分发的本质。

Fluss: 面向分析的实时流存储

在 Data + AI 驱动的新时代，企业对实时数据分析的需求日益增长。然而，传统上我们所依赖的工具和架构，在设计时并未将分析场景作为首要考量，这导致了企业在使用实时数据时面临诸多挑战。目前，业界常见的实时数仓架构是采用消息队列 Kafka 与流处理引擎 Flink 的组合。但是，Kafka 并非专门为分析而设计，因此在应用于流分析场景时存在一些显著的问题，比如不支持数据更新、缺乏高效的查询功能、数据难以复用、回溯历史数据困难、以及高昂的网络成本等。这些问题不仅使得 Kafka 与 Flink 的结合使用变得不够理想，也在一定程度上限制了 Flink 在更广泛应用场景中的发挥。

为了解决这些问题，我们研发了 Fluss 项目。Fluss 创新性地将列存格式和实时更新能力融合进了流存储中，并与 Flink 深度集成，帮助用户构建高吞吐量、低延迟、低成本的流式数仓。其具备如下核心特性：

• 实时读写：支持毫秒级的流式读写能力。

• 列式裁剪：以列存格式存储实时流数据，通过列裁剪可提升 10 倍读取性能并降低网络成本。

• 流式更新：支持大规模数据的实时流式更新。支持部分列更新，实现低成本宽表拼接。

• CDC 订阅：更新会生成完整的变更日志（CDC），通过 Flink 流式消费 CDC，可实现数仓全链路数据实时流动。

• 实时点查：支持高性能主键点查，可作为实时加工链路的维表关联。

• 湖流一体：无缝集成 Lakehouse，并为 Lakehouse 提供实时数据层。这不仅为 Lakehouse 分析带来了低延时的数据，更为流存储带来了强大的分析能力。

加入 Fluss 开源社区

过去，我们投入了大量精力来推进流技术开源生态，阿里巴巴目前是 Apache Flink 社区最大的推动者和贡献者，阿里巴巴今年正式将 Flink CDC 项目捐赠给了 Apache 基金会，由阿里巴巴开源和孵化的湖存储项目 Aapche Paimon 也在今年正式从 Apache 孵化器毕业成为顶级项目。现在，我们开源了 Fluss 项目，这是我们对推动流领域发展做出的又一个重大举措，我们也将保持过去打造开源精品的精神，为用户驱动下一代实时架构。

Fluss 目前已经在 GitHub 上以 Apache 2.0 协议正式开源，项目地址为：https://github.com/alibaba/fluss。并且我们计划于 2025 年将其捐赠到 Apache 软件基金会。在此，我们诚挚地邀请各位加入 Fluss 开源社区，共同促进这一新兴项目的成长与发展。Fluss 社区钉钉群：109135004351，欢迎大家一起探索，参与开发和贡献，并携手构建下一代的流存储技术。